英 紅，羅宏偉，談至明，程 景

（1.同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海 201804；2.桂林電子科技大學(xué) 建筑與交通工程學(xué)院，廣西 桂林 541004；3.廣西交通投資集團(tuán)有限公司，廣西 南寧 530028）

近年來，隨著道路圖像采集裝備的快速發(fā)展，利用圖像技術(shù)對路網(wǎng)中的裂縫進(jìn)行管理逐步受到人們的青睞.將水泥混凝土路面裂縫按照是否已進(jìn)行維修，分為修補(bǔ)裂縫和新生裂縫.新生裂縫識別是日常管理養(yǎng)護(hù)中最有價(jià)值的部分，它的意義在于及時(shí)發(fā)現(xiàn)新裂縫、告訴養(yǎng)護(hù)人員裂縫發(fā)生在哪塊板上、提示管理人員路段中還有多少新生裂縫沒有及時(shí)處理，以及提供對養(yǎng)護(hù)人員的工作考評依據(jù).

盡管管養(yǎng)單位希望通過圖像處理的方法實(shí)現(xiàn)上述管理養(yǎng)護(hù)模式，但現(xiàn)實(shí)中，新生裂縫寬度非常小，在高分辨率圖像中，也只有1～2個(gè)像素的寬度，而對其造成巨大干擾的刻槽圖像一般有5個(gè)像素的寬度，噪聲的強(qiáng)度超過了裂縫的圖像強(qiáng)度.路面刻槽非常密集，相鄰刻槽間的寬度只有20個(gè)像素，裂縫被這些強(qiáng)噪聲分割為高度不足20個(gè)像素的小段（相當(dāng)于實(shí)際路面尺寸20mm），在復(fù)雜的強(qiáng)噪聲中提取這些小片段非常困難.當(dāng)前道路圖像識別技術(shù)主要集中于瀝青路面［1-7］，而這些方法對水泥路面并不適用，因此研究高效、準(zhǔn)確的水泥路面新生裂縫圖像識別技術(shù)十分必要，它將大大減少養(yǎng)護(hù)人員日常巡查的工作量，為管理者提供最新、最快、最有價(jià)值的路況信息，從而為高速公路網(wǎng)的管養(yǎng)工作帶來巨大經(jīng)濟(jì)和社會效益.

針對刻槽對水泥路面裂縫識別的干擾，采用傅里葉變換（FFT）在頻域中消除刻槽，并通過同態(tài)濾波增強(qiáng)裂縫對比度，在空域中，使用自適應(yīng)方向的LoG算法增強(qiáng)裂縫，利用Otsu對全局圖像進(jìn)行二值化，并采用方格法提取裂縫片段，最后由曲線累加變向法實(shí)現(xiàn)“瀝青拉絲”的剔除.

1 處理流程

與瀝青路面相比，刻槽是水泥路面新生裂縫識別中最大的干擾因素，難點(diǎn)在于：①抑制或消除刻槽的過程中，不可避免地降低了裂縫與背景的對比度，同時(shí)弱化了刻槽處的裂縫，破壞了裂縫的連通性，大量短小的裂縫片段與噪聲混雜在一起；②水泥路面中存在大量酷似裂縫的“瀝青拉絲”需要剔除，它也同樣被刻槽分割為若干不連通的小段.針對這些難題，設(shè)計(jì)了如圖1所示的處理流程.首先由小波變換將原圖像分解為高、低分辨率圖像，修補(bǔ)裂縫能清晰地顯示在低分辨率圖像中，而新生裂縫只存在于高分辨率圖像，因此在低分辨率圖像中對修補(bǔ)裂縫進(jìn)行識別；新生裂縫的識別工作放在高分辨率圖像中，并且需要在二值化后的高分辨率圖像中屏蔽修補(bǔ)裂縫識別結(jié)果.新生裂縫識別大致可分為四個(gè)步驟：

步驟1：頻域?yàn)V波.包括使用FFT抑制刻槽和使用同態(tài)濾波增強(qiáng)裂縫對比度.

步驟2：空域增強(qiáng).由自適應(yīng)方向的LoG算子對步驟1中的處理結(jié)果在空域中進(jìn)行裂縫增強(qiáng).

步驟3：方格法裂縫拼接.對步驟2的處理結(jié)果，先用Otsu法進(jìn)行二值化，在高分辨率圖像中屏蔽修補(bǔ)裂縫，然后使用方格法對裂縫片段進(jìn)行拼接.

步驟4：剔除酷似新生裂縫的“瀝青拉絲”.

圖1 處理流程圖Fig.1 Flowchart of the algorithm

2 頻域?yàn)V波

水泥路面刻槽圖像具有周期性，利用刻槽的周期性，在頻域內(nèi)消除或抑制它是非常典型的條紋去除方法.潘玉利等［8］據(jù)此提出了基于FFT的水泥混凝土路面刻槽消除方法，并申請了發(fā)明專利.針對FFT方法計(jì)算量大、運(yùn)算速度慢的缺點(diǎn)，推薦使用FFTW （the Faster Fourier Transform in the West）庫［9］對高分辨率圖像做傅里葉變換處理.此外，需要注意的是，該算法對橫向裂縫有弱化作用，消除刻槽的同時(shí)，裂縫的橫向部分也弱化了，增加了裂縫片段的不連續(xù)性.

裂縫屬于高頻分量，可以使用頻域的同態(tài)濾波［10］增強(qiáng)裂縫與背景的對比度，如圖2所示.圖2b為FFT抑制刻槽的效果，圖2d為在圖2b的基礎(chǔ)上使用同態(tài)濾波的效果，從識別后的效果看，已消除了刻槽的影響，且使用同態(tài)濾波后增強(qiáng)了裂縫的連貫性.

3 自適應(yīng)方向的LoG圖像增強(qiáng)

通過頻域的刻槽抑制及同態(tài)濾波增強(qiáng)裂縫對比度后，仍需對裂縫這種具有“線狀”特征的邊緣型目標(biāo)進(jìn)行空域增強(qiáng)處理.裂縫圖像處于灰度“谷值”處，LoG算法非常適用這種情況.LoG算法是由Marr等［11］提出的，它是在二階導(dǎo)數(shù)的零交叉算法的基礎(chǔ)上結(jié)合高斯濾波求圖像邊緣的算法，又稱為墨西哥草帽算法.通過對高斯濾波器進(jìn)行旋轉(zhuǎn)，構(gòu)造各向異性的濾波器，適用于裂縫的邊緣方向多變性.

二維高斯分布函數(shù)定義為

高斯-拉普拉斯算子2G定義為

式中：σ是表示平滑程度的空間常數(shù)，決定平滑模板尺寸N.試驗(yàn)表明，當(dāng)N ＝2＋1時(shí)，能夠得到較好的檢測效果.

各向異性的LoG濾波器可以簡寫為

式中：σx和σy分別為在x軸和y軸方向的標(biāo)準(zhǔn)差，對應(yīng)著x方向和y方向的尺度.對x方向求偏導(dǎo)可得

式中g(shù)的下標(biāo)x表示函數(shù)沿x軸方向的導(dǎo)數(shù)，濾波器順時(shí)針旋轉(zhuǎn)一個(gè)角度θ后得到

根據(jù)裂縫片段的局部方向，自適應(yīng)地選用這一方向的LoG模板進(jìn)行增強(qiáng)，這就需要檢測當(dāng)前像素點(diǎn)的邊緣方向，然后利用導(dǎo)數(shù)算子（如Prewitt算子、Sobel算子）進(jìn)行粗略計(jì)算，找到當(dāng)前點(diǎn)圖像灰度沿著x軸和y軸兩個(gè)方向的偏導(dǎo)數(shù)Gx，Gy，并求出其梯度大?。麲｜及梯度方向α.

｜G｜反映了圖像上當(dāng)前點(diǎn)的邊緣強(qiáng)度，用此值控制計(jì)算量，即對｜G｜值過小的點(diǎn)不做處理；α是圖像當(dāng)前點(diǎn)的法向矢量（正交于邊緣方向）.得到α后，就可求得當(dāng)前點(diǎn)的邊緣方向：θ＝90°-α.

圖3a為原圖，圖中包含兩條新生裂縫，圖3b為頻域?yàn)V波后，使用本節(jié)所述的自適應(yīng)方向LoG算子對裂縫這種“線狀”目標(biāo)進(jìn)行了增強(qiáng)的效果，圖3c為裂縫片段的識別效果.從圖中可以看出，通過空域增強(qiáng)后，兩條新生裂縫已能從噪聲中凸顯出來.

4 方格法裂縫片段拼接

圖像增強(qiáng)后，可使用Otsu法，對全局圖像進(jìn)行二值化處理，并結(jié)合低分辨率圖像中修補(bǔ)裂縫的識別結(jié)果，對高分辨率圖像中的修補(bǔ)裂縫進(jìn)行屏蔽處理，此時(shí)可得到若干不連續(xù)的裂縫片段圖像，如圖4a所示.為了顯示方便，圖4a是從大尺寸圖3c中裁剪下來的.它含有一條縱向新生裂縫，圖中方框?yàn)槊總€(gè)片段的外接矩形框，圖中含有數(shù)百個(gè)片段，除裂縫片段外，仍有大量噪聲片段，且裂縫片段并不連續(xù)，需要將裂縫片段拼接起來.

裂縫片段拼接歷來都是裂縫圖像識別的難點(diǎn)，通常使用幾何法、方格法、形態(tài)學(xué)法［12］.方格法是一種簡單易行的裂縫片段拼接、提取的方法，它的基本思路是：首先將片段圖像方格化，每個(gè)方格初始化為“0”，遍歷圖像中所有片段像素，對該像素所屬的方格進(jìn)行“投票”；遍歷完成后，計(jì)算每個(gè)方格所得的“票”數(shù)，超過一定閾值，就將方格標(biāo)記為“1”；利用四鄰域或八鄰域法計(jì)算標(biāo)記為“1”的所有方格的連通性，如果標(biāo)記為“1”的方格連通數(shù)目超過一定閾值就判斷此連通區(qū)域?yàn)榱芽p.圖4b為方格法裂縫片段提取結(jié)果，圖中方格是標(biāo)記為“1”的較大連通區(qū)，在此基礎(chǔ)上，需刪除圖4b中方框處的短小分支［10］，可得裂縫區(qū)域.

5 “瀝青拉絲”剔除

水泥混凝土路面在養(yǎng)護(hù)過程中，由于養(yǎng)護(hù)工人疏忽，造成養(yǎng)護(hù)材料滴漏在路面上，如瀝青材料滴漏在路面上，拉出一條“細(xì)絲”.在圖像中，它的形狀、顏色與新生裂縫非常相近，而這種“瀝青拉絲”的數(shù)量遠(yuǎn)遠(yuǎn)大于新生裂縫的數(shù)量，個(gè)別路段“瀝青拉絲”的現(xiàn)象幾乎出現(xiàn)在每塊板上.因此在新生裂縫識別中，必須要剔除“瀝青拉絲”.它與新生裂縫處主要區(qū)別在于線條的光滑度.

曲率是一種度量線條光滑程度的方法［13］，圖像中常用的曲率計(jì)算方法稱為三點(diǎn)法，該法用圖像曲線相鄰的三個(gè)點(diǎn)的差分代替微分得到近似曲率值.雖然這種方法簡單易行，但三點(diǎn)法在計(jì)算曲率時(shí)容易受到噪聲影響，使得結(jié)果偏差過大.使用較大支撐區(qū)間的曲率計(jì)算方法［14］，雖然有一定抑制噪聲效果，但裂縫曲線中的小突起可能會被淹沒.

曲線的累加變向是指曲線上每個(gè)點(diǎn)切線角度變化的累加量，為簡單起見，使用定長小線段擬合，計(jì)算這些相鄰線段夾角，并將其絕對值累加起來.曲線的累加變向值可近似表示為

式中：γi為第i個(gè)擬合小線段的傾角.

圖5a為裂縫的曲線累加變向計(jì)算示意圖，圖5b為“瀝青拉絲”的曲線累加變向計(jì)算示意圖.兩圖對比發(fā)現(xiàn)，裂縫的片段內(nèi)曲線累加變向值明顯比“瀝青拉絲”要大，利用該方法進(jìn)行“瀝青拉絲”圖像剔除是可行的.裂縫片段拼接完畢后，其仍是不連通的，僅僅是將裂縫片段從所有片段中篩選出來，因此剔除“瀝青拉絲”時(shí)，曲線累加變向計(jì)算要按以下三步進(jìn)行：

第一步，計(jì)算每個(gè)裂縫片段的曲線累加變向值，如圖5a.圖中對每個(gè)片段的最高點(diǎn)和最低點(diǎn)用圓圈進(jìn)行標(biāo)識，為了清晰顯示，沒有標(biāo)記最右點(diǎn)和最左點(diǎn).每個(gè)片段都有若干個(gè)定長擬合線段.由上文可知，圖4b的方格區(qū)域?yàn)榱芽p區(qū)域，將該區(qū)域的片段曲線累加變向值求和，可得到這些片段內(nèi)部的累加變向βcurve＿in.

第二步，計(jì)算方格區(qū)域內(nèi)的每個(gè)相鄰片段的方向夾角，即片段間的夾角.從圖5a中可看到，對于縱向裂縫，每個(gè)片段存在一個(gè)最高點(diǎn)和一個(gè)最低點(diǎn)，取當(dāng)前片段的最高點(diǎn)和與它最鄰近的上一個(gè)片段的最低點(diǎn)，計(jì)算這兩點(diǎn)所在擬合線段的夾角，將所有片段間的夾角累加起來，得到片段間夾角累加和βcurve＿out.

第三步，計(jì)算βcurve＿in和βcurve＿out之和，通過閾值Tcurve將“瀝青拉絲”剔除.

“瀝青拉絲”曲線光滑，累加變向較小，βcurve值偏小，裂縫曲線的累加變向較大，βcurve值偏大.因此，可通過設(shè)置閾值Tcurve加以剔除.對廣西GA80高速公路的K584～K603段約18.2km共9102張圖像進(jìn)行識別，將“瀝青拉絲”和新生裂縫數(shù)目按βcurve值進(jìn)行分類匯總（見表1）.為保證新生裂縫不被漏識別，建議Tcurve取300，單位為（°）.從表1中可知，通過設(shè)置閾值，Tcurve仍有8.0%的“瀝青拉絲”被錯(cuò)誤識別，需要人工作進(jìn)一步剔除.

表1 試驗(yàn)路段“瀝青拉絲”與新生裂縫βcurve值的分布Tab.1 βcurvedistribution of“asphalt drawing”and the newborn crack on the testroad

6 結(jié)論

（1）提出了一種基于刻槽消除的水泥混凝土路面新生裂縫識別方法，它由頻域?yàn)V波、空域裂縫圖像增強(qiáng)、裂縫片段拼接和“瀝青拉絲”剔除四個(gè)主要步驟實(shí)現(xiàn).

（2）頻域?yàn)V波是通過FFT實(shí)現(xiàn)抑制刻槽，并使用同態(tài)濾波技術(shù)增強(qiáng)裂縫的對比度.

（3）在空域圖像中，首先通過邊緣方向檢測算子檢測當(dāng)前像素方向，然后通過構(gòu)造該方向的LoG增強(qiáng)算子實(shí)現(xiàn)自適應(yīng)方向的裂縫增強(qiáng).

（4）針對二值化后，裂縫不連續(xù)的問題，使用方格法將裂縫片段拼接起來，實(shí)現(xiàn)整條裂縫的提取.

（5）針對“瀝青拉絲”與裂縫難于區(qū)別的問題，使用曲線累加變向法計(jì)算目標(biāo)光滑程度，以此實(shí)現(xiàn)“瀝青拉絲”的剔除.

［1］伯紹波，閆茂德，孫國軍，等.瀝青路面裂縫檢測圖像處理算法研究 ［J］.微計(jì)算機(jī)信息，2007，23（5x）：280.BO Shaobo，YAN Maode，SUN Guojun，et al.Research on crack detection image processing algorithm for asphalt pavement surface［J］.Microcomputer Information，2007，23（5x）：280.

［2］李晉惠.用圖像處理的方法檢測公路路面裂縫類病害 ［J］.長安大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，24（3）：51.LI Jinhui.Pavement crack diseases detecting by image processing algorithm ［J］.Journal of Chang’an University：Natural Science Edition，2004，24（3）：51.

［3］李莉，陳長，孫立軍.改進(jìn)的路面圖像背景校正算法 ［J］.同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，39（1）：79.LI Li，CHEN Zhang，SUN Lijun. Modified background correction algorithms for pavement images ［J］.Journal of Tongji University：Natural Science，2011，39（1）：79.

［4］Tsai Y C，Kaul V，Mersereau R.Critical assessment of pavement distress segmentation methods ［J］.Journal of Transportation Engineering，ASCE，2010，136（1）：11.

［5］Kaul V，Tsai J，Mersereau R.A quantitative performance evaluation of pavements distress segmentation methods［R］.Atlanta：Georgia Institue of Technology，2008.

［6］Wang K C P，Li Q，Gong W.Wavelet-based pavement distress image edge detection with “A Trous”algorithm［C］／／TRB，Washington D C：Transportation Research Board，2007：73-81.

［7］Alekseychuk O.Detection of crack-like indications in digital radiography by global optimization of a probabilistic estimation function［D］.Dresden：Dresden University of Technology，2006.

［8］潘玉利，趙懷志.基于二維傅里葉變換的水泥路面圖像刻槽去除的方法：中國，200810186635.X［P］.2009.PAN Yuli，ZHAO Huaizhi.Groove denoise method of cement concrete pavement based on Fourier tansform，200810186635.X［P］.2009.

［9］Frigo M，Johnson S.FFTW［EB／OL］.［2011-08-25］.http：／／www.fftw.org／download.html.

［10］Gonzalez R C.The digital image processing［M］.Beijing：Publishing House of Electronics Industry，2003.

［11］Marr D，Hildreth E.Theory of edge detection［J］.Proceeding of the Royal Society of London：Biological Sciences，1980，207（1167）：187.

［12］Sun Y，Salari E，Chou E.Automated pavement distress detection using advanced image processing techniques ［C］／／Proceedings of 2009 IEEE International Conference on Electro／Information Technology.Windsor：Windsor University，2009：373-377.

［13］Chau C P，Siu W C.New dominant point detection for image recognition［C］∥Proceedings of the 1999 IEEE International Symposium on Circuits and Systems.Orlando：IEEE，1999：102-105.

［14］王英惠，吳維勇，趙汝嘉.平面輪廓的分段與識別技術(shù)［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2002，14（12）：1142.WANG Yinghui，WU Weiyong，ZHAO Rujia.Segmentation and recognition techniques for planar contour［J］.Journal of Computer-aided Design ＆Computer Graphics，2002，14（12）：1142.